CN116243405B - 一种雷暴预报探空参数快速诊断与显示系统的实现方法 - Google Patents

一种雷暴预报探空参数快速诊断与显示系统的实现方法 Download PDF

Info

Publication number
CN116243405B
CN116243405B CN202310249442.9A CN202310249442A CN116243405B CN 116243405 B CN116243405 B CN 116243405B CN 202310249442 A CN202310249442 A CN 202310249442A CN 116243405 B CN116243405 B CN 116243405B
Authority
CN
China
Prior art keywords
sounding
thunderstorm
parameters
live
parameter
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202310249442.9A
Other languages
English (en)
Other versions
CN116243405A (zh
Inventor
邹永成
蔺少龙
王凌云
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Civil Aviation Southwest Region Air Traffic Authority
Original Assignee
China Civil Aviation Southwest Region Air Traffic Authority
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Civil Aviation Southwest Region Air Traffic Authority filed Critical China Civil Aviation Southwest Region Air Traffic Authority
Priority to CN202310249442.9A priority Critical patent/CN116243405B/zh
Publication of CN116243405A publication Critical patent/CN116243405A/zh
Application granted granted Critical
Publication of CN116243405B publication Critical patent/CN116243405B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Environmental & Geological Engineering (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种雷暴预报探空参数快速诊断与显示系统的实现方法，所述快速诊断与显示系统由民航气象数据库、MICAPS系统、雷暴信息解析模块、实况探空参数模块、探空参数显示模块、历史个例信息存储模块和匹配信息输出显示模块组成。该系统统计的探空参数阈值根据实况天气信息实时自动更新，阈值分析更为客观，解决了人工统计效率低下，劳动强度大和时效性差的问题；由于统计的雷暴历史个例信息是随着时间变化而不断更新，即KNN(K‑Nearest Neighbor)算法使用的训练数据是不断更新的，有助于提高预测模型预测准确性。

Description

一种雷暴预报探空参数快速诊断与显示系统的实现方法
技术领域
本发明属于探空参数诊断技术领域，具体地说，是涉及一种雷暴预报探空参数快速诊断与显示系统的实现方法。
背景技术
探空参数，例如：对流有效位能CAPE、K指数、沙氏指数SI、假相当位温θse等，是雷暴预报诊断分析中的重要参考要素；雷暴发生与否、持续时间及伴随天气强度对制定民航流量控制方案和空管决策至关重要。
目前在雷暴预报中，对探空参数的诊断方法为：筛选一定时间范围内的雷暴历史个例，统计其发生时或发生前各项探空参数的阈值，通过阈值方法来判定大气状态是否适合雷暴发生。其缺陷在于：由于雷暴个例的统计时间范围是固定的，没有将统计时段之后新发生的雷暴案例统计在内，导致统计得到的各项探空参数阈值不会随着时间变化而更新，易造成探空参数诊断错误；目前，部分气象部门会采用人工逐年更新探空参数阈值，但存在统计效率低、劳动强度大、时效性差等问题。
目前，探空参数的诊断多局限于判定大气环境背景条件是否有利于雷暴发生，这种阈值分析方法较为宽泛，无法对民航气象部门关心的雷暴具体发生时间、持续时段、影响位置和范围及伴随天气强度(例：降水强度等)进行判断。
民航气象数据库中采集的雷暴持续时间、伴随天气强度等航空危险天气信息，无法与MICAPS探空信息建立实时联系，即缺少历史个例阈值与实况数据的实时显示和对比，导致预报人员只能通过经验或者查表方式进行分析，工作效率低下。
发明内容
本发明的目的在于提供一种雷暴预报探空参数快速诊断与显示系统的实现方法，主要解决人工统计效率低下，劳动强度大和时效性差的问题。
为实现上述目的，本发明采用的技术方案如下：
一种雷暴预报探空参数快速诊断与显示系统的实现方法，所述快速诊断与显示系统由民航气象数据库、MICAPS系统、雷暴信息解析模块、实况探空参数模块、探空参数显示模块、历史个例信息存储模块和匹配信息输出显示模块组成；
所述快速诊断与显示系统的实现方法包括以下步骤：
S1，所述实况探空参数模块从所述MICAPS系统提取实况探空数据的探测时间Ti并计算该时刻实况探空参数；
S2，所述雷暴信息解析模块将Ti时刻实况探空参数传递给探空参数显示模块显示；
S3，匹配信息输出显示模块分别计算不同强度级别的雷暴历史个例探空参数阈值区间，并输出实况-历史探空参数阈值判定结果；
S4，根据实况-历史探空参数阈值判定结果，若实况探空参数均符合历史探空参数阈值，则以雷暴历史个例探空参数为训练数据，利用机器学习算法进行分类训练得到分类模型，在所述分类模型中输入实况探空参数得到预测结果；
S5，雷暴信息解析模块根据探测时间Ti解析一个探空间隔周期Ti+12h的所有由民航气象数据库提供的实时更新的机场例行天气报告METAR、机场特殊天气报告SPECI的报文，判定是否出现了雷暴，并根据判定结果更新历史探空参数的分类模型。
进一步地，在所述步骤S5中，若未出现雷暴，至下一探空时刻Ti+12h，探空参数显示模块高亮显示的Ti时刻的实况探空参数散点自动消失，并以高亮方式显示Ti+12h时刻探空参数；若出现雷暴，雷暴信息解析模块计算雷暴发生时间、雷暴结束时间及雷暴持续时间，以及伴随天气强度，并对雷暴进行分级。
进一步地，在步骤S5中，出现雷暴时，若雷暴结束时间早于Ti+12h时，至下一探空时刻Ti+12h，探空参数显示模块高亮显示Ti+12h时刻探空参数，而Ti时刻的探空参数散点根据雷暴进行分级标准转变为相应的显示方式保存于探空参数显示模块的显示界面上；若雷暴结束时间晚于Ti+12h时，探空参数显示模块显示Ti时刻的探空参数而不必显示Ti+12h时刻探空参数，雷暴结束后，Ti时刻的探空参数散点保存于探空参数显示模块的显示界面上。
进一步地，在步骤S5中，出现雷暴时，探空参数显示模块将Ti时刻的探空参数传递给历史个例信息存储模块保存，得到更新的雷暴历史个例信息。
进一步地，在步骤S5中，更新历史探空参数的分类模型是利用机器学习算法以所述的更新的雷暴历史个例信息为训练数据进行分类训练得到。
进一步地，所述实况探空参数包括但不限于对流有效位能、K指数、沙氏指数、850hPa气温、850hPa比湿、垂直比湿积分、500hPa同850hPa假相当位温之差、850hPa假相当位温参数中的一种或多种组合。
进一步地，在所述步骤S2中，探空参数显示模块显示方式为：以两项探空参数各为横纵坐标的二维散点图，具体显示方案为：500hPa同850hPa假相当位温之差与850hPa假相当位温；K指数与垂直比湿积分IQ；对流有效位能CAPE与沙氏指数SI；850hPa气温与850hPa比湿850hPa q，其中，Ti时刻实况探空参数以高亮方式显示以区别于历史个例探空参数。
进一步地，所述机器学习算法为KNN算法。
与现有技术相比，本发明具有以下有益效果：
(1)本发明的系统统计的探空参数阈值根据实况天气信息实时自动更新，阈值分析更为客观，解决了人工统计效率低下，劳动强度大和时效性差的问题；由于统计的雷暴历史个例信息是随着时间变化而不断更新，即KNN(K-Nearest Neighbor)算法使用的训练数据是不断更新的，有助于提高预测模型预测准确性。
(2)本发明基于雷暴持续时间和伴随天气强度对雷暴进行分类和散点图显示，使阈值更为精细和直观，有助于辅助预报员判定雷暴持续时间和强度，自动阈值分析提高判断速率，为制定民航流量控制方案和空管决策提供更为有利支持。
(3)本发明建立了民航气象数据库航空危险天气与MICAPS探空信息之间的数据联系，提高了探空参数诊断分析效率。
附图说明
图1为本发明系统的结构框图。
图2为本发明-实施例中Ti时刻探空参数显示方案。
图3为本发明-实施例中一个探空间隔周期(Ti+12h)内未出现雷暴，Ti+12h时刻探空参数显示方案。
图4为本发明-实施例中一个探空间隔周期(Ti+12h)内若出现雷暴，Ti+12h时刻探空参数显示方案。
具体实施方式
下面结合附图说明和实施例对本发明作进一步说明，本发明的方式包括但不仅限于以下实施例。
实施例
如图1所示，本发明公开的一种雷暴预报探空参数快速诊断与显示系统的实现方法，其中，所述快速诊断与显示系统由民航气象数据库、MICAPS系统、雷暴信息解析模块、实况探空参数模块、探空参数显示模块、历史个例信息存储模块和匹配信息输出显示模块组成。
所述民航气象数据库提供实时更新的机场例行天气报告METAR、机场特殊天气报告SPECI，机场例行天气报告METAR、机场特殊天气报告SPECI包含雷暴发生时间、雷暴结束时间、雷暴伴随天气类型和强度；所述MICAPS系统为中国气象局开发的气象信息综合处理系统，优选的为MICAPS4.0或以上版本，所述MICAPS系统提供实况探空资料。
所述探空参数模块通过相应计算程序得到实况探空参数，所述实况探空参数包括但不限于对流有效位能CAPE(J·kg-1)、K指数(℃)、沙氏指数SI(℃)、850hPa气温850hPa T(℃)、850hPa比湿850hPa q(g·kg-1)、垂直比湿积分IQ(g·kg-1)、500hPa与850hPa假相当位温之差500hPaθse-850hPaθse(℃)、850hPa假相当位温850hPaθse(℃)等。
所述雷暴信息解析模块利用所述的民航气象数据库提供实时更新的机场例行天气报告METAR、机场特殊天气报告SPECI，判定雷暴是否发生、雷暴发生时间、雷暴结束时间、雷暴伴随天气类型和强度，并对雷暴进行强度分级处理。优选的分级标准为：优选的分级方式为：弱雷暴过程(持续时间≤2h)、强雷暴过程(持续时间≥4h且伴有中或大的降水)、一般雷暴过程(其他情形)。
所述探空参数显示模块根据雷暴信息解析模块提供的判断信息对所述的探空参数模块生成的实况探空参数进行显示，优选的显示方式为：以两项探空参数分别为横纵坐标的二维散点图。
所述历史个例信息存储模块根据雷暴信息解析模块根据所述的雷暴信息解析模块生成的判定信息，自动保存雷暴实况探空参数、雷暴强度分级信息、对应时段机场例行天气报告METAR、机场特殊天气报告SPECI，形成雷暴历史个例信息。
所述的匹配信息输出显示模块根据所述的雷暴强度分级标准和所述的历史个例信息存储模块存储的历史雷暴个例的探空参数，分别计算不同强度级别雷暴历史个例探空参数阈值区间(即最大值与最小值二者之区间)，所述的匹配信息输出显示模块具有自动判定实况探空参数是否分布在所述的阈值区间内，输出实况-历史探空参数阈值判定结果；根据所述的实况-历史探空参数阈值判定结果，若实况探空参数均符合历史探空参数阈值，则以雷暴历史个例探空参数为训练数据，利用机器学习算法进行分类训练得到分类模型，在所述分类模型中输入实况探空参数得到预测结果，优选的机器学习算法为：KNN(K-NearestNeighbor)算法。
上述系统的具体实现方法包括以下步骤：
步骤S1：所述的实况探空参数模块从所述的MICAPS系统提取实况探空数据的探测时间Ti并计算该时刻实况探空参数，优选的实况探空参数为：对流有效位能(CAPE)、K指数、沙氏指数(SI)、850hPa气温(850hPa T)、850hPa比湿(850hPa q)、垂直比湿积分(IQ)、500hPa同850hPa假相当位温之差(500hPaθse-850hPaθse)、850hPa假相当位温(850hPaθse)。
步骤S2：所述的雷暴信息解析模块将Ti时刻实况探空参数传递给探空参数显示模块显示，显示方式为：以两项探空参数各为横纵坐标的二维散点图，优选的显示方案为：500hPa同850hPa假相当位温之差500hPaθse-850hPaθse及850hPa假相当位温850hPaθse；K指数与垂直比湿积分IQ；对流有效位能CAPE与沙氏指数SI；850hPa气温850hPa T、850hPa比湿850hPa q，其中Ti时刻实况探空参数以高亮方式显示以区别于历史个例探空参数。如图2所示，展示了Ti时刻探空参数显示方案。
步骤S3：匹配信息输出显示模块根据所述的雷暴强度分级标准和所述的历史个例信息存储模块存储的历史雷暴个例的探空参数，分别计算不同强度级别雷暴历史个例探空参数阈值区间(即最大值与最小值二者之区间)，所述的匹配信息输出显示模块具有自动判定实况探空参数是否分布在所述的阈值区间内，输出实况-历史探空参数阈值判定结果。
步骤S4：根据所述的实况-历史探空参数阈值判定结果，若实况探空参数均符合历史探空参数阈值，则以雷暴历史个例探空参数为训练数据，利用机器学习算法进行分类训练得到分类模型，在所述分类模型中输入实况探空参数得到预测结果，优选的机器学习算法为：KNN(K-Nearest Neighbor)算法。
步骤S5：雷暴信息解析模块根据探测时间Ti解析一个探空间隔周期(Ti+12h)的所有METAR、SPECI报文，判定是否出现了雷暴。
步骤S6：若未出现雷暴，至下一探空时刻Ti+12h，探空参数显示模块高亮显示的Ti时刻的实况探空参数散点自动消失，并以高亮方式显示Ti+12h时刻探空参数。如图3所示，展示了一个探空间隔周期(Ti+12h)内未出现雷暴，Ti+12h时刻探空参数显示方案。
步骤S7：若出现雷暴，雷暴信息解析模块计算雷暴发生时间、雷暴结束时间及雷暴持续时间，以及伴随天气强度，并对雷暴进行分级，优选的分级方式为：弱雷暴过程(持续时间≤2h)、强雷暴过程(持续时间≥4h且伴有中或大的降水)、一般雷暴过程(其他情形)。如图4所示，展示了一个探空间隔周期(Ti+12h)内若出现雷暴，Ti+12h时刻探空参数显示方案。
步骤S8：若雷暴结束时间早于Ti+12h时，至下一探空时刻Ti+12h，探空参数显示模块高亮显示Ti+12h时刻探空参数，而Ti时刻的探空参数散点根据雷暴进行分级标准转变为相应的显示方式保存于探空参数显示模块的显示界面上，优选的显示方式为弱雷暴过程显示为空心圆圈、强雷暴过程显示为黑色实心圆、一般雷暴过程显示为灰色实心圆。
步骤S9：探空参数显示模块将S8中Ti时刻的探空参数传递给历史个例信息存储模块保存，得到更新的雷暴历史个例信息。
步骤S10：若雷暴结束时间晚于Ti+12h时，探空参数显示模块显示Ti时刻的探空参数而不必显示Ti+12h时刻探空参数，雷暴结束后，Ti时刻的探空参数散点根据S6步骤中方式保存于探空参数显示模块的显示界面上，并按照步骤S9传递给历史个例信息存储模块保存，得到更新的雷暴历史个例信息。
步骤S11：以所述的更新的雷暴历史个例信息为训练数据，利用机器学习算法进行分类训练得到更新的分类模型。
通过上述设计，本发明的系统统计的探空参数阈值根据实况天气信息实时自动更新，阈值分析更为客观，解决了人工统计效率低下，劳动强度大和时效性差的问题；由于统计的雷暴历史个例信息是随着时间变化而不断更新，即KNN(K-Nearest Neighbor)算法使用的训练数据是不断更新的，有助于提高预测模型预测准确性。
上述实施例仅为本发明的优选实施方式之一，不应当用于限制本发明的保护范围，但凡在本发明的主体设计思想和精神上作出的毫无实质意义的改动或润色，其所解决的技术问题仍然与本发明一致的，均应当包含在本发明的保护范围之内。

Claims (3)

1.一种雷暴预报探空参数快速诊断与显示系统的实现方法，其特征在于，所述快速诊断与显示系统由民航气象数据库、气象信息综合处理系统、雷暴信息解析模块、实况探空参数模块、探空参数显示模块、历史个例信息存储模块和匹配信息输出显示模块组成；
所述快速诊断与显示系统的实现方法包括以下步骤：
S1，所述实况探空参数模块从所述气象信息综合处理系统提取实况探空数据的探测时刻Ti并计算该探测时刻Ti的实况探空参数；其中，所述实况探空参数包括对流有效位能、K指数、沙氏指数、850hPa气温、850hPa比湿、垂直比湿积分、500hPa同850hPa假相当位温之差、850hPa假相当位温参数中的一种或多种组合；
S2，所述雷暴信息解析模块将Ti时刻实况探空参数传递给探空参数显示模块显示；
S3，匹配信息输出显示模块分别计算不同强度级别的雷暴历史个例探空参数阈值区间，并输出实况-历史探空参数阈值判定结果；
S4，根据实况-历史探空参数阈值判定结果，若实况探空参数均符合历史探空参数阈值，则以雷暴历史个例探空参数为训练数据，利用机器学习算法进行分类训练得到分类模型，在所述分类模型中输入实况探空参数得到预测结果；
S5，雷暴信息解析模块根据探测时刻Ti解析一个探空间隔周期Ti+12h的所有由民航气象数据库提供的实时更新的机场例行天气报告METAR、机场特殊天气报告SPECI的报文，判定是否出现了雷暴，并根据判定结果更新历史探空参数的分类模型；
若未出现雷暴，至下一探空时刻Ti+12h，探空参数显示模块高亮显示的Ti时刻的实况探空参数散点自动消失，并以高亮方式显示Ti+12h时刻探空参数；若出现雷暴，雷暴信息解析模块计算雷暴发生时间、雷暴结束时间及雷暴持续时间，以及伴随天气强度，并对雷暴进行分级；
出现雷暴时，若雷暴结束时间早于Ti+12h时，至下一探空时刻Ti+12h，探空参数显示模块高亮显示Ti+12h时刻探空参数，而Ti时刻的探空参数散点根据雷暴进行分级标准转变为相应的显示方式保存于探空参数显示模块的显示界面上；若雷暴结束时间晚于Ti+12h时，探空参数显示模块显示Ti时刻的探空参数而不必显示Ti+12h时刻探空参数，雷暴结束后，Ti时刻的探空参数散点保存于探空参数显示模块的显示界面上；
出现雷暴时，探空参数显示模块将Ti时刻的探空参数传递给历史个例信息存储模块保存，得到更新的雷暴历史个例信息；其中，更新历史探空参数的分类模型是利用机器学习算法以所述的更新的雷暴历史个例信息为训练数据进行分类训练得到。
2.根据权利要求1所述的一种雷暴预报探空参数快速诊断与显示系统的实现方法，其特征在于，在所述步骤S2中，探空参数显示模块显示方式为：以两项探空参数各为横纵坐标的二维散点图，作为横纵坐标的所述两项探空参数为500hPa同850hPa假相当位温之差与850hPa假相当位温；K指数与垂直比湿积分IQ；对流有效位能CAPE与沙氏指数SI；850hPa气温与850hPa比湿中的任意一种。
3.根据权利要求2所述的一种雷暴预报探空参数快速诊断与显示系统的实现方法，其特征在于，所述机器学习算法为KNN算法。
CN202310249442.9A 2023-03-15 2023-03-15 一种雷暴预报探空参数快速诊断与显示系统的实现方法 Active CN116243405B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310249442.9A CN116243405B (zh) 2023-03-15 2023-03-15 一种雷暴预报探空参数快速诊断与显示系统的实现方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310249442.9A CN116243405B (zh) 2023-03-15 2023-03-15 一种雷暴预报探空参数快速诊断与显示系统的实现方法

Publications (2)

Publication Number Publication Date
CN116243405A CN116243405A (zh) 2023-06-09
CN116243405B true CN116243405B (zh) 2023-09-22

Family

ID=86624040

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310249442.9A Active CN116243405B (zh) 2023-03-15 2023-03-15 一种雷暴预报探空参数快速诊断与显示系统的实现方法

Country Status (1)

Country Link
CN (1) CN116243405B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105068149A (zh) * 2015-07-24 2015-11-18 国家电网公司 一种基于多信息综合的输变电设备雷电监测和预报方法
CN105182450A (zh) * 2015-10-15 2015-12-23 成都信息工程大学 一种强对流天气短时预警系统
CN111897030A (zh) * 2020-07-17 2020-11-06 国网电力科学研究院有限公司 一种雷暴预警系统及方法
CN115201938A (zh) * 2022-07-26 2022-10-18 保定市气象局 基于雷暴高压分析的强对流天气临近预报方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105068149A (zh) * 2015-07-24 2015-11-18 国家电网公司 一种基于多信息综合的输变电设备雷电监测和预报方法
CN105182450A (zh) * 2015-10-15 2015-12-23 成都信息工程大学 一种强对流天气短时预警系统
CN111897030A (zh) * 2020-07-17 2020-11-06 国网电力科学研究院有限公司 一种雷暴预警系统及方法
CN115201938A (zh) * 2022-07-26 2022-10-18 保定市气象局 基于雷暴高压分析的强对流天气临近预报方法及系统

Also Published As

Publication number Publication date
CN116243405A (zh) 2023-06-09

Similar Documents

Publication Publication Date Title
CN108550259A (zh) 道路拥堵判断方法、终端设备及计算机可读存储介质
CN102628944B (zh) 一种基于多普勒雷达资料的层云与对流云自动识别方法
CN109447315A (zh) 一种基于多时空尺度的电力气象数值天气预报方法和装置
CN111582188B (zh) 一种基于人工智能的混凝土浇筑旁站监理方法
CN107944590B (zh) 一种渔情分析预报的方法及设备
CN112285807B (zh) 一种气象信息预测方法及装置
CN112685950B (zh) 一种海洋时序观测数据的异常检测方法、系统和设备
CN107728234A (zh) 一种基于大气电场数据的雷电强度值预测方法
CN112598883B (zh) 基于贝叶斯网络的输电线路落雷概率预警方法及预警系统
CN115759488B (zh) 一种基于边缘计算的碳排放监测预警分析系统及其方法
CN115220133B (zh) 一种多气象要素降雨预测方法、装置、设备及存储介质
CN110287455A (zh) 一种结合遥感数据与社会感知数据的pm2.5深度学习反演方法
CN112836720B (zh) 建筑运维设备异常诊断方法、系统及计算机可读存储介质
CN116796043A (zh) 一种智能园区数据可视化方法及系统
CN115857059B (zh) 一种积冰预报管理方法、系统、可读存储介质和设备
CN105893352A (zh) 一种基于社交网络大数据的空气质量预警和监测分析系统
WO2023060734A1 (zh) 一种基于时分长期演进网络的晴雨区分方法
CN116243405B (zh) 一种雷暴预报探空参数快速诊断与显示系统的实现方法
CN114511061A (zh) 基于深度神经网络的岸滨地区海雾能见度预报方法
CN114417981A (zh) 一种智能河长巡测系统
CN111427101B (zh) 一种雷雨大风分级预警方法、系统、存储介质
CN116466368B (zh) 基于激光雷达和卫星资料的沙尘消光系数廓线估算方法
CN109636194B (zh) 一种输变电项目重大变动多源协同检测方法与系统
CN117218375A (zh) 基于先验知识与数据驱动的环境能见度预测方法及设备
CN109766794B (zh) 一种自动化实时道路检测方法及其系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant